Apa yang Akan Mengakhiri Bull Market AI, Posisi atau Narasi?

marsbitDipublikasikan tanggal 2026-05-14Terakhir diperbarui pada 2026-05-14

Abstrak

**RINGKASAN: Siapa yang Akan Mengakhiri Bull Market AI, Posisi atau Narasi?** Pasar saham AS, khususnya yang didorong oleh tema AI, terus meroket dengan kenaikan beruntun S&P 500 yang termasuk yang terkuat dalam 70 tahun terakhir. Namun, risiko tersembunyi semakin dalam. Analis mempertanyakan apakah penyesuaian akan dipicu oleh **posisi yang terlalu padat** atau runtuhnya **narasi fundamental AI**. **1. Risiko Posisi (Teknis): Pasar Hampir "Full Long"** Indikator Risk Appetite Goldman Sachs telah mencapai level 1, sinyal langka yang sering mendahului koreksi. Posisi beli di pasar, termasuk dari aliran dana mekanis (seperti strategi CTA), terlihat sangat penuh atau mendekati maksimal, membatasi ruang naik lebih lanjut dan menciptakan tekanan potensial untuk reset posisi. Namun, melakukan short selling berisiko tinggi karena penyesuaian bisa terjadi sangat cepat atau justru memicu rally short-squeeze. **2. Narasi Fundamental: Ketergantungan Ekstrem pada AI** Di sisi fundamental, narasi AI masih tampak kokoh dengan laba perusahaan yang kuat dan minim sinyal resesi. Masalah utamanya adalah **konsentrasi yang ekstrem**. Tanpa kontribusi saham-saham AI, kinerja pasar akan biasa saja. Hampir 40% kenaikan sejak Maret datang hanya dari sektor semikonduktor. Pasar telah memasuki fase "keserakahan", mengabaikan berbagai kekhawatiran sebelumnya seperti biaya komputasi AI, bottleneck pasokan energi data center, dan persaingan harga. **Peringatan: Risiko "Momen DeepSeek" Berulang** Str...

Penulis: Long Yue

Sumber: Wall Street Insights

Semakin kuat pasar naik, semakin sulit mencari alasan untuk jatuh — namun risiko tidak menghilang, hanya tersembunyi lebih dalam.

Pada 14 Mei, analis pasar Bloomberg, Jon-Patrick Barnert, menerbitkan artikel yang menyatakan, kenaikan saham AS saat ini telah melonjak tajam, namun biaya dan waktu yang tepat untuk short selling masih sulit ditentukan. Yang lebih rumit adalah, bahkan "alasan apa yang paling tepat untuk short selling" kini menjadi kabur.

Inti kontradiksi dari gelombang ini adalah: posisi sudah sangat padat, namun narasi fundamental — terutama AI — masih mendukung sentimen pasar. Di antara keduanya, mana yang akan runtuh lebih dulu?

Posisi: Pasar Mendekati "Full Long"

Dari pergerakan harga murni, sinyal koreksi sudah cukup jelas.

Indeks S&P 500 yang terus naik selama enam pekan terakhir bukan hanya merupakan salah satu kenaikan terlama dalam lebih dari 70 tahun, tetapi juga termasuk dalam kategori kenaikan terkuat dalam sejarah. Barnert menyatakan, "bernafas sejenak" adalah hal yang sangat wajar bagi pasar ini.

Indikator Risk Appetite Goldman Sachs telah naik kembali ke level 1, pertama kalinya sejak awal tahun. Keadaan di mana indikator ini melebihi 1 sangat langka, dan dalam sejarah sering kali menandakan potensi koreksi. Terakhir kali melampaui ambang batas ini adalah pada tahun 2021, yang kemudian diikuti oleh pasar beruang.

Dari saham tema terpanas, Barnert menggambarkan ini sebagai pasar di mana "semuanya overbought," dengan sebagian sektor terpanas telah mencapai tingkat ekstrem. Ditambah dengan arus masuk dana mekanis — yang saat ini tampak berada pada atau mendekati posisi long maksimum — gambaran keseluruhannya adalah: ruang naik terbatas, tekanan potensial untuk reset posisi sangat besar.

Namun, short selling tidak mudah. Barnert mencatat, penyesuaian posisi dapat terjadi dalam satu hari, membuat waktu masuk dan keluar transaksi short sangat sulit ditentukan. Dan jika pasar memilih untuk "turun perlahan," posisi volatilitas akan gagal diam-diam dalam lingkungan yang lunak. Skenario yang lebih mungkin adalah: sentimen keseluruhan masih cenderung bullish, dan begitu short seller terpaksa melakukan buyback, justru memicu gelombang short squeeze baru, naik lebih cepat dari yang diperkirakan siapa pun.

Aliran dana di beberapa ETF populer telah mulai menunjukkan perubahan halus — cenderung "mengunci keuntungan" daripada "membeli di harga tinggi." Namun Barnert juga mengakui, tren ini telah berlangsung selama beberapa pekan, dan saat ini belum berdampak nyata pada pergerakan pasar.

Narasi: Tanpa AI, Pasar Indeks Utama Bukan Apa-apa

Jika posisi adalah potensi masalah di tingkat teknis, maka narasi saat ini tampaknya justru lebih stabil.

Barnert mencatat, saat ini tidak ada sinyal jelas yang memicu bear market fundamental. Laba perusahaan tetap kuat, ekspektasi inflasi sedikit naik tetapi belum mencapai tingkat ekstrem. Pasar telah mencerna dampak harga minyak tinggi dan ketegangan Timur Tengah, data ketenagakerjaan AS terbaru juga meredakan kekhawatiran resesi. Adapun ekspektasi kenaikan suku bunga, sudah lama bukan lagi katalis yang menekan pasar saham.

Namun ada satu masalah yang tidak boleh diabaikan: tingkat konsentrasi gelombang ini telah sangat terpusat pada "konsentrasi itu sendiri."

Barnert menunjukkan, baik dengan membandingkan kinerja indeks yang mengandung AI dan yang tidak, maupun dengan menganalisis sumber kontribusi kenaikan sejak Maret, kesimpulan mengarah pada arah yang sama: tanpa AI, kinerja pasar ini hanya bisa digambarkan sebagai "biasa-biasa saja." Yang lebih perlu diperhatikan, sektor semikonduktor saja berkontribusi hampir 40% dari kenaikan sejak Maret.

Narasi pasar seputar AI telah kembali memasuki "mode serakah," bukan lagi tahap mengejar pengembalian yang rasional. Kekhawatiran yang ramai dibahas beberapa bulan lalu — apakah biaya komputasi AI dapat ditutupi oleh penghematan PHK, hambatan pasokan energi pusat data, perang harga AI yang mengikis margin keuntungan, pesaing baru yang mengganggu lanskap dengan biaya lebih rendah, pertumbuhan belanja modal besar-besaran sementara buyback saham mandek, masalah keamanan AI — kini tampaknya telah dilupakan secara kolektif oleh pasar.

Risiko Terulangnya "Momen DeepSeek"

Strategis Nomura, Charlie McElligott, memberikan peringatan paling langsung mengenai hal ini.

Dia menyatakan: "Mengingat struktur pasar saat ini dan tumpang tindih tema yang tinggi, begitu suatu hari muncul katalis guncangan lain yang meledak secara menyeluruh seperti 'gaya DeepSeek', sangat mungkin langsung memicu perdagangan tipe limit-down (batas bawah) satu tingkat di Nasdaq."

McElligott lebih lanjut mencatat, dalam skenario seperti ini, ETF semikonduktor dapat dengan mudah turun 15% dalam satu hari — karena "asumsi pembalikan aliran dana mekanis reflektif akan membentuk penurunan berskala besar dengan overshoot."

Dengan kata lain, justru dana mekanis (seperti strategi CTA, dana parity risiko, dll.) yang terus menambah pembelian selama proses kenaikan, sekali terpicu pembalikan, akan menjadi penguat yang mempercepat penurunan.

Dua risiko besar yang dihadapi bull market AI ini, satu bersifat teknis (posisi terlalu padat), satu bersifat naratif (apakah cerita AI dapat bertahan). Yang pertama dapat terpicu kapan saja, yang kedua sekali pecah dampaknya lebih dalam. Kombinasi keduanya membentuk kerapuhan struktural yang paling perlu diwaspadai di pasar saat ini.

Pertanyaan Terkait

QApa dua faktor utama yang menurut artikel dapat mengakhiri bull market AI?

ADua faktor utama yang dapat mengakhiri bull market AI adalah: 1) **Posisi (positioning)** yang sudah sangat padat dan berlebihan di pasar, dan 2) **Narasi (narrative)** fundamental, khususnya cerita AI, yang mungkin tidak dapat dipertahankan.

QBagaimana indikator 'Risk Appetite Indicator' dari Goldman Sachs menggambarkan kondisi pasar saat ini?

AIndikator Risk Appetite Indicator Goldman Sachs telah naik kembali ke level 1, yang merupakan level tertinggi sejak awal tahun. Level di atas 1 sangat jarang terjadi dalam sejarah dan sering kali menandakan potensi koreksi pasar. Terakhir kali melewati ambang batas ini adalah pada tahun 2021, yang diikuti oleh pasar beruang.

QMenurut analis, mengapa sulit untuk melakukan short selling (jual singkat) di pasar saat ini?

AMelakukan short selling sangat sulit karena: 1) Penyesuaian posisi dapat terjadi dalam satu hari saja, menyulitkan penetapan waktu masuk dan keluar yang tepat. 2) Jika pasar turun perlahan, posisi volatilitas bisa kehilangan nilainya. 3) Sentimen keseluruhan masih bullish, dan short squeeze (pemaksaan beli oleh pihak yang short) justru dapat memicu kenaikan harga yang lebih cepat dari perkiraan.

QApa peran sektor semikonduktor dalam kenaikan pasar saham AS baru-baru ini menurut artikel?

ASektor semikonduktor memiliki peran yang sangat dominan. Artikel menyebutkan bahwa sektor semikonduktor saja menyumbang hampir 40% dari kenaikan pasar sejak bulan Maret. Hal ini menunjukkan konsentrasi dan ketergantungan pasar yang tinggi pada tema AI, karena semikonduktor adalah tulang punggung infrastruktur AI.

QApa yang dimaksud dengan risiko 'momen DeepSeek' yang disebutkan oleh strategis Charlie McElligott?

ARisiko 'momen DeepSeek' merujuk pada skenario di mana suatu kejutan atau katalis yang meluas (seperti kejutan yang mungkin ditimbulkan oleh perkembangan pesaing AI seperti DeepSeek) dapat memicu pembalikan aliran dana mekanis secara refleksif. Hal ini berpotensi menyebabkan penurunan besar-besaran yang berlebihan, bahkan mungkin memicu 'limit-down' (penghentian perdagangan karena penurunan ekstrem) di Nasdaq dan penurunan ETF semikonduktor hingga 15% dalam satu hari.

Bacaan Terkait

Bagaimana Menjadi Pengguna Claude Level Tinggi dalam 30 Hari?

**Bagaimana Menjadi Pengguna Claude Lanjutan dalam 30 Hari?** Kebanyakan orang menggunakan Claude seperti mesin pencari: tanya, baca, tutup. Tidak ada akumulasi pengetahuan atau sistem. Namun, dengan 30 hari konfigurasi sadar, Anda bisa mengubah Claude menjadi sistem operasi kerja pribadi yang memahami konteks, preferensi, dan alur kerja Anda. **Minggu 1: Kuasai Fondasi yang Sering Diabaikan** * **Hari 1-2:** Pelajari penulisan *prompt* terstruktur: **Peran, Konteks, Tugas, Format, Batasan**. * **Hari 3-4:** Pahami *context window* (hingga 200K token). Letakkan informasi kunci di awal dan akhir percakapan. * **Hari 5-7:** Atur **Proyek** (mis., kerja utama, riset, penulisan) dan aktifkan **Memory** untuk profil pribadi yang konsisten. **Minggu 2: Bangun Alur Kerja Pertama Anda** * **Hari 8-9:** Buat templat **alur kerja riset** yang dapat digunakan kembali. * **Hari 10-11:** Bangun **alur kerja penulisan** dua langkah (buat kerangka, lalu tulis lengkap). * **Hari 12-14:** Buat **alur kerja pengambilan keputusan** untuk menganalisis opsi secara sistematis. **Minggu 3: Biarkan Claude Bekerja Secara Otonom** * **Hari 15-17:** Gunakan **Claude Cowork** untuk menjalankan tugas multi-langkah di folder komputer Anda. * **Hari 18-19:** Hubungkan alat kerja Anda (**Google Drive, Slack, Gmail**, dll.) untuk akses data langsung. * **Hari 20-21:** Atur **tugas otomatis** pertama (mis., ringkasan harian otomatis, laporan mingguan). **Minggu 4: Akumulasi Majemuk dan Optimasi Sistem** * **Hari 22-24:** Evaluasi dan optimasi semua alur kerja berdasarkan kualitas output. * **Hari 25-26:** Bangun **basis pengetahuan** pribadi dari output Claude terbaik untuk konteks masa depan. * **Hari 27-28:** Ajarkan sistem ini kepada kolega untuk memperdalam pemahaman Anda. * **Hari 29-30:** Rancang **sistem operasi Claude ideal** Anda, petakan semua alur kerja, alat, dan ritme penggunaan. **Hari ke-31:** Claude akan menjadi asisten otomatis yang siap bekerja—dokumen perencanaan, riset, laporan tim sudah tersedia. Anda fokus pada penilaian kreatif dan strategi, sementara sistem menangani sisanya. Perbedaannya bukan pada trik, tapi pada sistem yang berjalan. Mulailah dengan 15 menit menyiapkan Proyek pertama Anda malam ini.

marsbit1j yang lalu

Bagaimana Menjadi Pengguna Claude Level Tinggi dalam 30 Hari?

marsbit1j yang lalu

Lima Bentuk Inti AI Agent Menurut Pandangan YC

Penyunting: AI Agent telah berkembang dari prompt sekali pakai ke dalam alur kerja yang lebih kompleks. Pertanyaan penting sekarang bukanlah "apakah model bisa menyelesaikan tugas?", tetapi "bisakah kemampuan AI dijadikan aset proses yang dapat digunakan ulang dan terakumulasi?". Berikut adalah lima bentuk inti yang muncul: 1. **Skills:** Bukan SOP kaku, melainkan lebih seperti "pemanggilan metode". Satu alur kerja (Skill) yang sama dapat digunakan untuk banyak kasus dengan mengganti parameternya (misal, target, pertanyaan, dataset). 2. **Thin Harness:** Kerangka kerja eksekusi ringan (~200 baris kode) yang menjadi "tangan dan kaki" bagi model. Fungsinya menjalankan loop, membaca/menulis file, dan mengelola konteks. 3. **Resolvers:** Tabel perutean yang memetakan jenis tugas ke Skill spesifik. Ini mencegah "korupsi konteks" saat jumlah Skill sangat banyak, sehingga memastikan panggilan yang tepat. 4. **Latent vs. Deterministic:** Pisahkan tugas. Serahkan penilaian, sintesis, dan pemahaman kontekstual ke LLM. Gunakan kode deterministik (yang dapat ditulis model) untuk hal-hal yang memerlukan kepastian dan konsistensi, seperti perhitungan. 5. **Memory:** Lapisan memori untuk akumulasi pengetahuan jangka panjang. Contoh: folder markdown dengan satu halaman per entitas (orang/perusahaan/konsep), berisi kesimpulan terkini dan garis waktu yang terus bertambah. Kombinasi ini membentuk **"kemampuan proses" (process power)** – keunggulan kompetitif yang berkelanjutan di era AI. Ini mengubah pengalaman menjadi alur kerja yang terdokumentasi, tugas menjadi parameter, aturan stabil menjadi kode, dan pembelajaran menjadi memori yang terakumulasi. Sistem semacam ini, meski tampak sederhana (seperti folder markdown), sulit ditiru karena dibangun melalui iterasi dan disiplin yang terus-menerus, berbeda dengan aplikasi hasil "vibe coding" yang harga ekuilibrinya akan turun hingga ke biaya token.

marsbit1j yang lalu

Lima Bentuk Inti AI Agent Menurut Pandangan YC

marsbit1j yang lalu

Tiger Research: Operator Risiko On-Chain, Kesenjangan Pasar antara 147 Triliun dan 70 Miliar

Laporan oleh Tiger Research ini membahas pergeseran kekuasaan dalam sektor pinjaman keuangan terdesentralisasi (DeFi) dari protokol ke "risk operators" atau operator risiko profesional yang mengendalikan keputusan manajemen risiko. **Poin Utama:** * Era dominasi penuh oleh protokol dan komunitas di DeFi telah berakhir, digantikan oleh peran manajer aset baru. * Industri masih muda, tetapi modal dan sumber daya sudah terkonsentrasi di tim operator risiko teratas, dengan rekam jejak praktis menjadi tolok ukur utama. * Ada tiga jalur utama untuk memasuki industri: **distribusi saluran** (menggunakan tim operator sebagai pendukung backend), **penyediaan aset** (membawa aset dunia nyata ke blockchain), dan **operasi mandiri** (membangun tim operator risiko sendiri). * Pilihan jalur menentukan tingkat kendali, kemampuan inti yang dibutuhkan, dan risiko yang dihadapi. * Keputusan kritis bukanlah *apakah* masuk ke DeFi, tetapi *bagaimana* membagi tanggung jawab dan kewenangan manajemen risiko antara pihak eksternal dan internal. **Perkembangan & Kondisi Industri:** Protokol pinjaman awal seperti Aave dan Compound menyatukan infrastruktur dan standar risiko. Kemunculan Morpho dengan arsitektur vault modular memisahkan infrastruktur dan otoritas risiko, mengubah "operator risiko" dari pengelola parameter global menjadi pengelola aset mandiri yang mengoperasikan vault pinjaman khusus. Pada Mei 2026, total aset yang dikelola (TVL) sektor operator risiko mencapai $70 miliar, dengan tiga tim teratas (Steakhouse, Sentora, Gauntlet) menguasai 70% pasar. Persaingan kini berfokus pada standar penerimaan agunan, saluran distribusi modal, dan kemampuan penanganan risiko. **Struktur yang Menyerupai Manajemen Aset Tradisional:** DeFi kini mereplikasi alur kerja manajemen aset tradisional: 1. **Lapisan Distribusi/Perolehan Modal:** Pertukaran terpusat (CEX) dan platform sebagai saluran masuk modal. 2. **Lapisan Strategi & Manajemen Risiko:** Operator risiko DeFi berfungsi seperti manajer portofolio dan komite risiko. 3. **Lapisan Produk & Kustodian:** Vault sebagai produk investasi dan protokol pinjaman sebagai infrastruktur penyelesaian. **Peluang dan Pilihan bagi Lembaga:** Bagi lembaga tradisional, lapisan strategi/manajemen risiko adalah titik masuk terbaik karena memanfaatkan keahlian inti mereka dalam penilaian risiko tanpa memerlukan pengembangan teknologi blockchain yang mendalam. **Kesenjangan Besar dan Masa Depan:** Industri manajemen aset tradisional bernilai $147 triliun, sementara total TVL DeFi hanya $800 miliar, dan sektor operator risikonya hanya $70 miliar. Kesenjangan besar ini menunjukkan potensi pertumbuhan yang masif. Begitu kerangka risiko dan regulasi matang, aliran modal kecil dari pasar tradisional dapat mendorong pertumbuhan eksponensial di DeFi. Tim yang membangun fondasi dan aturan industri awal akan memiliki keunggulan dan kekuatan penetapan standar yang signifikan.

marsbit1j yang lalu

Tiger Research: Operator Risiko On-Chain, Kesenjangan Pasar antara 147 Triliun dan 70 Miliar

marsbit1j yang lalu

Trading

Spot
Futures
活动图片